在使用基于AI的 fundus图像分析系统对儿童视网膜血管参数和轴长之间的相关性进行研究

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 近视是一种日益严重的公共卫生问题,特别是在儿童和青少年中.
• 了解眼睛结构和折射误差之间的关系对于近视管理至关重要.
• 视网膜血管参数可以提供对近视进展的见解.

研究的目的:

• 使用人工智能研究近视儿童和青少年视网膜血管参数和轴长 (AL) 之间的相关性.
• 为了识别与不同程度近视相关的视网膜血管变化的模式.
• 为近视预防,早期查和个性化治疗提供科学基础.

主要方法:

• 使用EVision AI fundus图像分析系统对124名学生的 fundus 照片进行分析.
• 摘取视网膜血管参数,包括直径,扭曲度和碎形尺寸.
• 使用Pearson,Spearman和多重线性回归进行统计分析,以评估与轴长度的相关性.

主要成果:

• 在低近视的轴长和各种视网膜血管参数之间观察到显著的负相关性.
• 在中度至高近视群体中,对于动脉直径和静脉扭曲性发现了类似的负相关性.
• 断面尺寸和平均分支角度在近视群中没有显著变化.

结论:

• 近视儿童的轴长度和视网膜血管参数之间存在显著的相关性,因折射误差而异.
• 这些发现为近视的病理机制提供了新的见解.
• 结果支持开发精确,个性化的近视控制策略和临床指导.